博文
- GeneSNAKE：模拟基因调控网络和扰动诱导表达数据
- GeneSNAKE ：模拟基因调控网络和扰动诱导表达数据 理解基因如何相互作用和相互调控一直是系统生物学中的关键挑战之一。研究这一问题的基本方法之一是通过调控网络（ GRN ）。然而， GRN 推断领域仍然面临许多挑战。例如基因调控的复杂性、表达数据的高噪声水平，以及大多数真正的调控相互作用未知使得 ...
- 空间转录组中差异表达基因识别的统计方法比较研究
- 空间转录组中差异表达基因识别的统计方法比较研究 空间转录组学（ ST ）是一项新兴的高通量技术，能够在保留组织内空间背景的情况下进行全基因组基因表达分析，为细胞功能、组织组织和细胞间通讯提供关键见解。 ST 研究中的基本分析目标是在病理区域或疾病等级之间识别差异表达（ DE ）基因，例如在乳 ...
- scSNViz：细胞特异性表达SNV的可视化和分析
- scSNViz ：细胞特异性表达 SNV 的可视化和分析 细胞特异性表达的单一核苷酸变异（ SNV ）包括 DNA 转录的体细胞和生殖系变异，以及依赖上下文的 RNA 起源变异，所有这些都动态地促进了转录异质性。这些 SNV 可以影响蛋白质功能、基因表达调控、转录和翻译效率以及细胞信号传导。在单细胞 ...
- MEBOCOST：绘制代谢物介导的细胞通讯
- 热度 1
- MEBOCOST ：绘制代谢物介导的细胞通讯 细胞通讯（ CCC ）对于维持细胞、器官和完整系统的功能与稳态至关重要。研究表明，异常的 CCC 会导致多种健康问题，如肥胖、糖尿病、心脏病和癌症。 CCC 可由多种分子介导，例如蛋白质和代谢物。单细胞 RNA 测序（ scRNA-seq ）数据提供了组织中单个细 ...
- UCell 和 pyUCell：单细胞基因特征评分
- UCell 和 pyUCell ：单细胞基因特征评分 单细胞技术通过在单个细胞分辨率下分析基因表达，极大地提升了我们表征细胞异质性的能力。单细胞分析中的一个核心计算任务是量化单个细胞内预定义基因集（或称“模块”）的活性——这种方法通常被称为基因特征评分或模块评分。基因集可以源自多种来源，包括经 ...
- bayesReact：癌症、组织和单细胞水平的miRNA活性识别
- bayesReact ：癌症、组织和单细胞水平的 miRNA 活性识别 在保持组织完整性和预防癌变的同时，调控机制对于维持细胞内稳态、促进细胞正常增殖和分化至关重要。然而，关于调控细胞约束的空间时间复杂性仍有许多未知之处，新的调控因子仍在不断被发现和表征。调控机制通常需要通过基序识别进行，其中基序 ...
- WhatIsMyGene：回归基因富集基础
- WhatIsMyGene ：回归基因富集基础 现代转录组协议通常能识别出 20,000 种 RNA 分子。蛋白质组数据集现在可能包含超过 8,000 种蛋白质。在大多数情况下，研究人员感兴趣的是已识别实体的子集，例如在干扰素应用于特定细胞系时显著上调的转录本集合。一旦选择了这样的子集，研究人员便试图将其与 ...
- Fuzzifier*：鲁棒且敏感的多组学数据分析
- Fuzzifier* ：鲁棒且敏感的多组学数据分析 几十年来高通量测序和其他组学技术已经改变了生物研究，为复杂生物系统提供了前所未有的洞察。然而，由于固有的不确定性、技术偏差和测量不精确，对这些数据的解释仍然具有挑战性。这些问题包括通过统计（或生物信息学分析）得出稳健、可靠和值得信赖的结论，在生 ...
- DEPower：使用 DESeq2 进行近似功效分析
- DEPower ：使用 DESeq2 进行近似功效分析 差异表达（ DE ）分析是转录组工作流程中普遍的一部分。在典型场景中，此类分析涉及构建一个统计模型来描述观测到的基因表达，该模型编码具有生物学意义和偶然性的协变量，例如扰动和实验批次的影响，拟合模型，并执行一系列零假设统计检验，以识别在所测 ...
- cspray：分布式单细胞转录组分析
- cspray ：分布式单细胞转录组分析 基于微滴的单细胞 RNA 处理最初始于数万个细胞的样本。随着其他技术的不断进步，这一规模已稳步扩大，以最大化通量和引入多重检测。 PIPseq 等技术的应用进一步将这一规模推向百万细胞以上， Elz 等人在其最近关于商业单细胞 RNA 测序技术的综述中报告称，目 ...
